Tripo、3D生成と再構築における最新の研究「TripoSG」と「TripoSF」を発表！

2025年3月30日（現地時間）- Tripoは、3D生成と再構築における最新の研究成果として、「TripoSG」と「TripoSF」を発表しました。

これらのコアコンポーネントはオープンソース化されています。

Tripo、3D生成と再構築における最新の研究「TripoSG」と「TripoSF」を発表！ https://t.co/SLtvvcfDTa #3D #生成AI pic.twitter.com/7Ohx7xMzTH
— CGinterest (@CGinterest) April 2, 2025

詳細は以下の通りです。

次世代の画像から3D生成技術「TripoSG」
スキャンデータから複雑で詳細な3D世界を再構築する「TripoSF」

次世代の画像から3D生成技術「TripoSG」

TripoSGは、一枚の2D画像から高忠実度の3Dモデルを生成するための次世代の画像から3D生成技術です。

従来の3D生成技術では、複雑な形状や詳細なディテールを再現することが困難でしたが、TripoSGは、大規模なRectified Flowモデルを使用することで、これらの課題を克服しました。

4Bパラメータと1.5Bパラメータの2つのバージョンがありますが、15億パラメータ版が今回オープンソース化されています。

■技術的なハイライトと課題解決

TripoSGは、15億のパラメータを持つ（1.5Bバージョン）最先端の3D形状生成モデルです。

従来の3D生成は、データ不足とモデルが複雑な詳細を捉えることの難しさという課題に直面することがよくあります。TripoSGは、3D形状生成に特化して設計された新しいRectified Flow Transformerベースのアーキテクチャを採用し、多様な形状や詳細なディテールを含む大規模なデータセットでトレーニングされています。

さらに、TripoSGは、SDF、法線、エイコナール損失という3つの異なる損失関数を組み合わせたハイブリッド教師あり学習戦略（hybrid supervised training strategy）を採用することで、3Dモデルの再構築精度を向上させています。

このアーキテクチャとトレーニングデータ、そしてハイブリッド教師あり学習戦略により、TripoSGは従来の3D生成モデルと比較して、より詳細で高品質な3Dモデルを生成し、多様な形状や詳細なディテールを学習することで、汎用性の高い3Dモデル生成を可能にします。

■リソース

スキャンデータから複雑で詳細な3D世界を再構築する「TripoSF」

TripoSFは、次世代の3D生成基盤モデルです。

従来の3Dモデリング技術では、開いた表面や複雑な内部構造を持つ形状を扱うことが困難でしたが、TripoSFは、「SparseFlex」と呼ばれる新しい強力な表現を使用することで、これらの課題を解決しました。

TripoSFの一部である「TripoSF VAE」はオープンソース化され、コードとモデルが公開されています。

■技術的なハイライトと課題解決

TripoSFは、任意トポロジーの3D形状をモデリングする技術で、その主要コンポーネントであるTripoSF VAEは、入力された3D形状データを潜在空間に圧縮し、そこから再び3D形状を再構築する変分オートエンコーダ（VAE）です。

TripoSF VAEは、独自のSparseFlex表現と効率的なトレーニング戦略を活用し、入力点群データから高解像度で任意のトポロジーの3Dメッシュモデルを再構築します。

SparseFlexという新しい疎構造アイソサーフェス表現(sparse-structured isosurface representation)を使用することで、高解像度かつ複雑なトポロジーの3Dメッシュモデルを効率的に再構築します。また、錐台認識断面ボクセル訓練戦略(frustum-aware sectional voxel training strategy)を採用しており、これによりメモリ消費を削減し、効率的な学習を実現しています。